/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
18,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
10 сен 2026

Qwen3.5-9B-MatRL-MT-SFT

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3.5-9B обучает многоходовой цикл вызова инструментов для обратного проектирования кристаллических структур.

71скачиваний за 30 дней0лайковвеса обновлены10 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

amayuelas/Qwen3.5-9B-MatRL-MT-SFT — экспериментальный чекпойнт Qwen3.5-9B, дообученный автором на многоходовых эпизодах с вызовами инструментов для обратного проектирования кристаллических структур. Обучение на 1 119 эпизодах датасета amayuelas/matrl-sft-mt учит модель соблюдать формат и цикл работы агента: предлагать структуру, оценивать её, уточнять и отправлять итоговый вариант в пределах заданного числа ходов. Используются диалоговый режим и родной канал рассуждений; в метаданных указаны архитектура Qwen3.5 и формат safetensors.

Модель предназначена для специализированных агентных сценариев в материаловедении, где доступен соответствующий набор инструментов оценки и отправки структур. Это стадия cold start: химические навыки планировалось развивать далее с помощью обучения с подкреплением. Контрольный чекпойнт не оценивался на бенчмарке SUN, поэтому качество его проектных результатов не подтверждено. Основа — Qwen/Qwen3.5-9B; лицензия — Apache-2.0.

Сценарии применения

  • предложение кандидатов кристаллических структур через набор инструментов
  • итеративная оценка и уточнение кристаллической структуры
  • завершение многоходового цикла проектирования отправкой выбранного кандидата
  • исследование поведения агентных моделей в обратном проектировании материалов

Ограничения

Чекпойнт не оценивался на бенчмарке SUN; он обучен прежде всего формату и циклу вызова инструментов, а химические навыки предполагалось развивать на последующем этапе обучения с подкреплением. Для работы нужны соответствующие инструменты оценки и отправки структур.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-9B — MatRL multi-turn SFT (cold start)

Qwen/Qwen3.5-9B cold-started on amayuelas/matrl-sft-mt: 1,119 multi-turn tool-use episodes for crystal-structure inverse design.

This is the model-scale arm of amayuelas/Qwen3.5-4B-MatRL-MT-SFT. It uses the same corpus, renderer, 3-epoch schedule and loss mask. Only the model, the parallelism layout and the learning rate differ, so any difference between the two comes down to scale.

This is the cold-start checkpoint. Its job is format and the tool loop: propose, evaluate, refine, and above all commit within the turn budget. The chemistry is learned afterwards by RL; see amayuelas/Qwen3.5-9B-MatRL-MT-RL.

Why a cold start is needed

Base Qwen3.5 essentially never commits. Across 2,880 multi-turn rollouts the 4B base model made 3 submit calls. It proposes prolifically (~5.6 candidates/rollout), evaluates sparingly, then runs out of turns. Strict multi-turn SUN is therefore 0% by construction: a commitment failure, not a chemistry failure. This stage teaches the agent to close an episode.

Training

baseQwen/Qwen3.5-9B
data1,119 of the dataset's 1,123 episodes, assistant-only loss
steps420 (3 epochs), global batch 8
seq len16,384
optimizerAdamW, lr 1e-5, constant, no warmup (half the 4B's 2e-5)
precisionbf16
parallelismFSDP over 8 ranks + context parallel (cp=4, ulysses)
trainerprime-rl

Trained on 8×A100-40GB. Loss fell from 1.21 at the first step to ~0.8 over the final epoch.

Four episodes (3 band-gap, 1 formula) are longer than 16,384 tokens once rendered with the Qwen3.5 chat template, so they were dropped instead of truncated.

Context parallelism uses ulysses, not ring: Qwen3.5 is a hybrid with linear attention (DeltaNet) layers, and ring attention is a softmax-attention algorithm that does not apply to them.

Evaluation

This checkpoint has not yet been scored on the SUN benchmark used for the 4B release.

Important: thinking channel

This model is trained with reasoning in the native thinking channel (reasoning_content → <think>), preserved across tool calls. Do not evaluate it with enable_thinking=false, which turns off the very behavior this run trains.

Serving

Qwen3.5 is a VL-capable model class, so vLLM requires an image-processor config even for text-only serving. preprocessor_config.json and video_preprocessor_config.json are included; without them vLLM fails on load.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
103fbf8

0 моделей